跳到正文

CSCI2750

数据挖掘与信息处理

聚类、频繁模式挖掘、从朴素贝叶斯到支持向量机的分类器、分类器评估、主成分分析,以及采样与图像直方图。

15 章 · 20 节EN · 繁 · 简
我的课程笔记

你的进度

0/ 20 节已标记完成

下一节: 用均值作质心:k-means 的目标与迭代

完成记录保存在此浏览器中。

这门课在网上

CSCI2750 笔记里的内容

定理卡
39
定义
30
反例
25
概念视角
11
思想史
1
证明透视
20

有思想史的节

这些思想史还没有放上时间线。

这门课的概念视角还没有记录到网上。

在知识图谱中打开这门课

数字只算这门课 20 节公开笔记里写了什么,不是网上已记录的关系。目前其中 0 节已细致地记录到网上。

在网上定理卡 39 · 定义 30 · 反例 25 · 概念视角 11 · 思想史 1 · 证明透视 20

这些思想史还没有放上时间线。

这门课的概念视角还没有记录到网上。

在知识图谱中打开这门课

数字只算这门课 20 节公开笔记里写了什么,不是网上已记录的关系。目前其中 0 节已细致地记录到网上。

第 1 章 · 1 节

质心聚类

质心聚类

定理 2 · 定义 1反例 2视角 1证明透视 2

本章骨架 →在网上看本章 →本章还没有记录到网上

  1. 1.1

    用均值作质心:k-means 的目标与迭代

    推导质心更新,精确追踪分配与更新步骤,并分清稳定聚类与全局最佳结果。

第 2 章 · 2 节

模式挖掘

模式挖掘

定理 7 · 定义 3反例 3视角 1思想史 1证明透视 2

本章骨架 →在网上看本章 →本章还没有记录到网上

  1. 2.1

    支持次数、安全剪枝与 Apriori

    推导 Apriori 所依据的支持度性质,追踪候选生成与剪枝,再分清关联规则的不同指标。

  2. 2.2

    频繁项集、闭项集与极大频繁项集

    比较保留支持计数的闭项集与极大频繁项集,并恢复支持计数。

第 3 章 · 4 节

分类

模型分类与决策树。

定理 8 · 定义 6反例 4视角 2证明透视 3

本章骨架 →在网上看本章 →本章还没有记录到网上

  1. 3.1

    朴素贝叶斯与平滑

    建立二元特征的类别分数、归一化,并检验独立性假设。

  2. 3.2

    决策树:加权不纯度、阈值与泛化

    证明多数叶预测最优及信息增益非负,计算正确加权划分,处理重复特征值,并分清贪心训练改善与预测表现。

  3. 3.3

    伯努利朴素贝叶斯:对数几率、未出现的特征与平滑

    推导概率决策与代价敏感决策,拟合二元特征模型,计算精确后验,并解释条件独立的局限。

  4. 3.4

    k 近邻分类

    以最接近的 k 个训练样本投票分类,并明确给出平局规则、特征缩放、避免泄漏的预处理,以及预测成本。

第 4 章 · 1 节

采样

理解离散样本与混叠。

定理 1 · 定义 1反例 1证明透视 1

本章骨架 →在网上看本章 →本章还没有记录到网上

  1. 4.1

    采样、混叠与频率歧义

    推导不同正弦信号为何产生完全相同的离散样本。

第 5 章 · 1 节

感知机更新

严格间隔、更新规则及有限更新界。

定理 1反例 1证明透视 1

本章骨架 →在网上看本章 →本章还没有记录到网上

  1. 5.1

    感知机:间隔与有限更新次数界

    追踪明确指定的更新规则,并在严格可分假设下证明有限更新保证。

第 6 章 · 1 节

Logistic 模型

二元似然、凸损失与可分数据。

定理 2 · 定义 1反例 1证明透视 1

本章骨架 →在网上看本章 →本章还没有记录到网上

  1. 6.1

    Logistic 损失、可分性与正则化

    推导二元 logistic 损失,并研究可分数据为何可能没有有限最小解。

第 7 章 · 2 节

分类器评估

精确率、召回率及正类比例。

定理 2 · 定义 2反例 3证明透视 2

本章骨架 →在网上看本章 →本章还没有记录到网上

  1. 7.1

    精确率、召回率与基率变化

    解读混淆表,区分条件比率与精确率。

  2. 7.2

    读懂 ROC 曲线中的并列分数

    从含并列的分数建立 ROC 曲线,以梯形法与配对比较两种方式计算 AUC,并把 ROC 与精确率及决策成本联系起来。

第 8 章 · 1 节

灰度直方图

构造离散累积直方图及灰度映射。

定理 1 · 定义 1反例 1

本章骨架 →在网上看本章 →本章还没有记录到网上

  1. 8.1

    图像直方图与累积灰度映射

    计算离散累积直方图与全局灰度映射。

第 9 章 · 1 节

线性分类练习

推导由错误驱动的更新规则,通过投影和范数增长证明间隔界,并区分已验证的训练集可分性与有限迭代预算。

定理 1 · 定义 2反例 2视角 1证明透视 1

本章骨架 →在网上看本章 →本章还没有记录到网上

  1. 9.1

    感知机:偏置、可分性与错误次数界

    推导由错误驱动的更新规则,通过投影和范数增长证明间隔界,并区分已验证的训练集可分性与有限迭代预算。

第 10 章 · 1 节

凝聚层次聚类

连接方法、树状图与阈值连通性。

定理 4 · 定义 3反例 2证明透视 2

本章骨架 →在网上看本章 →本章还没有记录到网上

  1. 10.1

    凝聚层次聚类:连接方法、树状图与阈值连通性

    推导单连接、全连接和平均连接的更新公式,证明合并高度单调,并准确解释单连接树状图的截断。

第 11 章 · 1 节

支持向量机

间隔、hinge loss、对偶证明与核函数。

定理 3 · 定义 2反例 1视角 2证明透视 1

本章骨架 →在网上看本章 →本章还没有记录到网上

  1. 11.1

    间隔、合页损失与核函数的意义

    区分分数与几何间隔,推导硬间隔与软间隔目标并给出对偶证明,判断一个函数何时是有效的核函数。

第 12 章 · 1 节

源信号分离

线性混合、白化与独立成分分析。

定理 3 · 定义 2反例 1视角 1证明透视 1

本章骨架 →在网上看本章 →本章还没有记录到网上

  1. 12.1

    盲源分离:混合信号能够及不能揭示什么

    把传感器读数建模为线性混合,说明盲分离为何存在歧义,以协方差矩阵白化,并区分不相关与独立。

第 13 章 · 1 节

主成分分析

以样本协方差的特征向量定义主方向,并给出方差与重构的保证。

定理 1 · 定义 2反例 1视角 1证明透视 1

本章骨架 →在网上看本章 →本章还没有记录到网上

  1. 13.1

    主成分分析:中心化协方差与方差最大化

    把主成分定义为样本协方差矩阵的特征向量,证明方差最大化与重构性质,并以精确例子计算解释方差。

第 14 章 · 1 节

距离与数据预处理

度量、相似度量,以及不泄漏测试数据的特征缩放。

定理 2 · 定义 3反例 1视角 1证明透视 1

本章骨架 →在网上看本章 →本章还没有记录到网上

  1. 14.1

    距离与相似度度量,以及特征缩放

    定义度量,以及 Minkowski、余弦、Jaccard 与 Hamming 度量,证明哪些满足三角不等式,并在不泄漏测试数据的前提下应用最小最大缩放与 z 分数标准化。

第 15 章 · 1 节

基于密度的聚类

核心点、边界点与噪声点、密度可达,以及 DBSCAN 算法。

定理 1 · 定义 1反例 1视角 1证明透视 1

本章骨架 →在网上看本章 →本章还没有记录到网上

  1. 15.1

    DBSCAN:核心点、边界点与噪声点

    定义密度可达,陈述 DBSCAN 算法,证明核心点的簇有明确定义,并在精确的一维数据上运行并作参数研究。

Vercel 访问统计与公开页面性能测量分别征求同意,均非使用网站的必要条件。

网站功能存储(按需使用)

安全、登录和你选择的偏好会按需使用存储,与可选统计分开处理。

撤回会停止后续统计;需要卸载已加载的统计程序时,页面会刷新。已发送的数据不会因此删除。

查看 Cookie 与存储详情